CN117830330A - 道路点云分割方法、装置、设备及存储介质 - Google Patents
道路点云分割方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117830330A CN117830330A CN202311861860.XA CN202311861860A CN117830330A CN 117830330 A CN117830330 A CN 117830330A CN 202311861860 A CN202311861860 A CN 202311861860A CN 117830330 A CN117830330 A CN 117830330A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- segmentation
- point
- segmented
- road
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005192 partition Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 230000008447 perception Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种道路点云分割方法、装置、设备及存储介质,属于点云分割技术领域。本发明通过获取待分割点云区域的分割约束边界;将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果;通过所述分割结果完成道路点云分割,可准确地对带有噪声和错误感知的连续点云进行快速有效的分割,从而极大提高了后续点云处理的效果和准确性。
Description
技术领域
本发明涉及点云分割技术领域,尤其涉及一种道路点云分割方法、装置、设备及存储介质。
背景技术
现有的自动驾驶技术,常常需要对激光点云或图像识别点云进行处理。点云处理以提取矢量特征为例,现有的点云分割算法,往往由于大片点云因噪声和错误点云粘连在一起,导致矢量化困难或效果不佳。
并且,现有的处理方式容易受到连续噪声或错误感知影响,也难以对拐弯后不同路段的点云进行分割,导致分割不够准确。
发明内容
本发明的主要目的在于提供一种道路点云分割方法、装置、设备及存储介质,旨在解决现有技术点云分割准确性较低的技术问题。
为实现上述目的,本发明提供了一种道路点云分割方法,所述方法包括以下步骤:
获取待分割点云区域的分割约束边界;
将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果;
通过所述分割结果完成道路点云分割。
可选地,所述将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果,包括:
通过所述分割约束边界对所述待分割点云区域中的各点进行方位划分,得到待分割点云区域中各点的方位属性;
通过预设点云分割策略以及所述方位属性对所述待分割点云区域中的各点进行分割聚类,得到聚类集合;
通过所述方位属性和所述聚类集合得到分割结果。
可选地,所述通过所述分割约束边界对所述待分割点云区域中的各点进行方位划分,得到待分割点云区域中各点的方位属性,包括:
获取预设距离阈值;
获取所述待分割点云区域中与所述分割约束边界的距离小于等于所述预设距离阈值的点,得到第一点集合;
根据所述分割约束边界对所述第一点集合进行方位划分,得到待分割点云区域中各点的方位属性。
可选地,所述通过预设点云分割策略以及所述方位属性对所述待分割点云区域中的各点进行分割聚类,得到聚类集合,包括:
根据预设点云分割策略确定聚类半径以及搜索原点;
通过所述搜索原点和所述聚类半径对所述待分割点云区域中各点进行聚类,得到搜索集合;
通过所述方位属性对所述搜索集合进行筛选,得到聚类集合。
可选地,所述通过所述方位属性对所述搜索集合进行筛选,得到聚类集合,包括:
通过所述方位属性获取所述搜索集合中各点的方位;
在所述搜索集合中被搜索点的方位与所述搜索原点的方位不同时,将所述被搜索点从所述搜索集合中剔除,得到聚类集合。
可选地,所述获取待分割点云区域的分割约束边界,包括:
设置待分割点云区域的拓扑路网;
根据所述拓扑路网得到待分割点云区域的骨架连接边;
根据所述骨架连接边得到待分割点云区域的分割约束边界。
可选地,所述获取待分割点云区域的分割约束边界,包括:
根据所述拓扑路网得到待分割点云区域的骨架节点;
获取所述骨架节点中相邻分支的骨架连接边;
根据相邻分支的骨架连接边的角平分线段得到待分割点云区域的分割约束边界。
此外,为实现上述目的,本发明还提出一种道路点云分割装置,所述道路点云分割装置包括:
获取模块,用于获取待分割点云区域的分割约束边界;
划分模块,用于将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果;
分割模块,用于通过所述分割结果完成道路点云分割。
此外,为实现上述目的,本发明还提出一种道路点云分割设备,所述道路点云分割设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的道路点云分割程序,所述道路点云分割程序配置为实现如上文所述的道路点云分割方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有道路点云分割程序,所述道路点云分割程序被处理器执行时实现如上文所述的道路点云分割方法的步骤。
本发明通过获取待分割点云区域的分割约束边界;将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果;通过所述分割结果完成道路点云分割,可准确地对带有噪声和错误感知的连续点云进行快速有效的分割,从而极大提高了后续点云处理的效果和准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的道路点云分割设备的结构示意图;
图2为本发明道路点云分割方法第一实施例的流程示意图;
图3为现有的十字路口道路边线点云分割示意图;
图4为本发明道路点云分割方法第二实施例的流程示意图;
图5为本发明道路点云分割方法一实施例中通过分割约束边界对待分割点云区域中各点进行方位划分的示意图;
图6为本发明道路点云分割方法一实施例中通过预设点云分割策略以及方位属性对待分割点云区域中的各点进行分割聚类的示意图;
图7为本发明道路点云分割方法第三实施例的流程示意图;
图8为本发明道路点云分割方法一实施例中待分割点云区域的拓扑路网结构示意图;
图9为本发明道路点云分割装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的道路点云分割设备结构示意图。
如图1所示,该道路点云分割设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对道路点云分割设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及道路点云分割程序。
在图1所示的道路点云分割设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明道路点云分割设备中的处理器1001、存储器1005可以设置在道路点云分割设备中,所述道路点云分割设备通过处理器1001调用存储器1005中存储的道路点云分割程序,并执行本发明实施例提供的道路点云分割方法。
本发明实施例提供了一种道路点云分割方法,参照图2,图2为本发明道路点云分割方法第一实施例的流程示意图。
本实施例中,所述道路点云分割方法包括以下步骤:
步骤S10:获取待分割点云区域的分割约束边界。
需要说明的是,本实施例的执行主体可为道路点云分割设备,还可为其他可实现相同或相似功能的设备,本实施例对此不作限制,本实施例以道路点云分割设备为例进行说明。
需要说明的是,本实施例以道路边线为例进行道路点云分割,如图3所示,图3为现有的十字路口道路边线点云分割示意图,十字路口左侧路段封闭,右侧路段有拐弯,图中的点云存在许多噪声和错误感知,十字路口下方路段和右方路段甚至产生了错误的点云粘连。
为解决上述问题,本实施例通过设置拓扑路网,根据拓扑路网设置待分割点云区域的分割约束边界,从而根据分割约束边界辅助待分割点云区域中的点云分割。
需要说明的是,分割约束边界的数量可为多个,分割预设边界之间可相交或平行,可根据具体的道路点云数据进行设置。
步骤S20:将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果。
在具体实施中,通过将分割约束边界加入预设点云分割聚类策略中,从而可根据拓扑路段对待分割点云区域进行划分,得到分割结果。
可以理解的是,预设点云分割聚类策略可为DBScan聚类算法、光谱聚类算法、KMeans算法等多种聚类算法,本实施例对此不作限制。
步骤S30:通过所述分割结果完成道路点云分割。
可以理解的是,可通过分割结果得到待分割点云区域中各点云的分割结果,从而完成道路点云分割。通过将分割约束边界应用于自动聚类分割算法中,从而可快速高效地进行算法自动分割。
本实施例通过获取待分割点云区域的分割约束边界;将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果;通过所述分割结果完成道路点云分割,可准确地对带有噪声和错误感知的连续点云进行快速有效的分割,从而极大提高了后续点云处理的效果和准确性。
参考图4,图4为本发明道路点云分割方法第二实施例的流程示意图。
基于上述第一实施例,本实施例道路点云分割方法所述步骤S20,包括:
步骤S201:通过所述分割约束边界对所述待分割点云区域中的各点进行方位划分,得到待分割点云区域中各点的方位属性。
需要说明的是,可先通过分割约束边界对待分割点云区域中的各个点进行方位划分,从而可得到待分割点云区域中各点的方位属性。
可以理解的是,待分割点云区域中各点的方位属性可包括点位于分割约束边界的左侧或点位于分割约束边界的右侧。
可选地,通过所述分割约束边界对所述待分割点云区域中的各点进行方位划分,得到待分割点云区域中各点的方位属性的步骤具体包括:
获取预设距离阈值;获取所述待分割点云区域中与所述分割约束边界的距离小于等于所述预设距离阈值的点,得到第一点集合;根据所述分割约束边界对所述第一点集合进行方位划分,得到待分割点云区域中各点的方位属性。
应理解的是,预设距离阈值可根据道路的待分割点云区域的范围以及点云区域中点的数量进行灵活设置,例如1m、2m等,本实施例对此不加以限定。
可通过预设距离阈值作为搜索半径,分割约束边界作为搜索的原点,搜索待分割点云区域中与分割约束边界距离小于等于预设距离阈值的点,从而将这些点进行汇总,得到第一点集合。
在具体实施中,可根据分割约束边界对第一点集合进行方位划分,从而判定第一点集合中的任一点P在分割约束边界的左侧还是右侧,并对第一点集合中各点添加属性P.Sx∈(Left|Right),得到待分割点云区域中各个点在分割边界中的方位,得到各点的方位属性。
如图5所示,图5为通过分割约束边界对待分割点云区域中各点进行方位划分的示意图,图5中,E1-E12均为分割约束边界,通过分割约束边界对待分割点云区域中各个点进行方位划分,从而确定某个点位于分割约束边界的左侧还是右侧,并添加方位属性,将每个路段分割为左右两侧,提高分割效果。
步骤S202:通过预设点云分割策略以及所述方位属性对所述待分割点云区域中的各点进行分割聚类,得到聚类集合。
需要说明的是,可通过预设点云分割策略以及各点的方位属性对待分割点云区域中的各点进行分割聚类,从而得到聚类集合。
进一步地,通过预设点云分割策略以及所述方位属性对所述待分割点云区域中的各点进行分割聚类,得到聚类集合的步骤具体包括:
根据预设点云分割策略确定聚类半径以及搜索原点;通过所述搜索原点和所述聚类半径对所述待分割点云区域中各点进行聚类,得到搜索集合;通过所述方位属性对所述搜索集合进行筛选,得到聚类集合。
应理解的是,为提高分割聚类效果,避免不属于同一方位的点聚类在一簇,可在进行点云分割聚类时,通过方位属性进一步对点进行筛选,从而提高分割准确性。
在具体实施中,预设点云分割策略即为点云分割聚类算法,例如DBScan分割聚类算法,DBScan算法的核心思想是通过定义一个邻域半径和一个最小密度阈值来划分点云数据,算法首先选择一个未访问的点,并找到它的邻域内的所有点,如果一个点的邻域内的点的数量大于等于最小密度阈值,则将该点视为核心点,并为其创建一个新的聚类。然后递归地遍历每个核心点的邻域,将其邻域内的点加入到同一个聚类中。如果一个点的邻域内的点数量小于最小密度阈值,但是它在另一个核心点的邻域内,则将该点标记为边界点,属于该核心点所在的聚类。如果一个点不属于任何核心点的邻域内,则将该点标记为噪声点。
在本实施例中,可根据预设点云分割策略设置聚类半径以及搜索原点,聚类半径大于预设距离阈值,搜索原点可灵活选择,例如搜索原点位于分割约束边界的左侧,搜索原点还可位于分割约束边界的右侧,本实施例对此不作限制。
可以理解的是,可通过搜索原点和聚类半径对待分割点云区域中各点进行聚类,从而得到聚类的搜索集合,并通过方位属性对搜索集合进行筛选,得到最终的聚类集合。
在具体实施中,可在搜索原点以聚类半径为搜索条件对待分割点云区域中各个点进行聚类,若存在一点到搜索原点的距离小于等于聚类半径,则将此点作为搜索集合中的点。
需要说明的是,搜索集合中的点可能与搜索原点位于同一方位,还可能与搜索原点位于不同方位,因此,需要根据方位属性对搜索集合进行筛选,则所述通过所述方位属性对所述搜索集合进行筛选,得到聚类集合,包括:通过所述方位属性获取所述搜索集合中各点的方位;在所述搜索集合中被搜索点的方位与所述搜索原点的方位不同时,将所述被搜索点从所述搜索集合中剔除,得到聚类集合。
应理解的是,可通过各个点的方位属性获取搜索集合中各个点的方位,并将搜索集合中各个点的方位与搜索原点的方位进行比较,若搜索原点的方位与搜索集合中被搜索点的方位不同,例如搜索原点的方位为搜索原点位于分割约束边界左侧,搜索集合中被搜索点的方位为此点位于分割约束边界右侧,则搜索集合中此点与搜索集合的方位不同,则将被搜索点从搜索集合中剔除,若搜索原点的方位与搜索集合中被搜索点的方位一致,则将此被搜索点保留,从而对搜索集合中各点进行遍历,将与搜索原点的方位不同的点从搜索集合中剔除,从而得到聚类集合。
如图6所示,图6为通过预设点云分割策略以及方位属性对待分割点云区域中的各点进行分割聚类的示意图,方位属性包括点位于分割约束边界的左侧和位于分割约束边界的右侧,通过确定搜索原点以及聚类半径,将与搜索原点位于同一方位且与搜索原点之间的距离小于等于聚类半径的点汇总,得到聚类集合,即图6中的与搜索原点位于同一方位的点A、点B、点C、点D以及点E。
步骤S203:通过所述方位属性和所述聚类集合得到分割结果。
在具体实施中,可将方位属性和聚类集合作为待分割点云区域的分割结果。通过方位属性以及聚类集合得到各个点的聚类以及分割的情况,从而完成待分割点云区域中各个点的聚类和分割。
本实施例通过所述分割约束边界对所述待分割点云区域中的各点进行方位划分,得到待分割点云区域中各点的方位属性;通过预设点云分割策略以及所述方位属性对所述待分割点云区域中的各点进行分割聚类,得到聚类集合;通过所述方位属性和所述聚类集合得到分割结果,将分割约束边界应用于预设点云分割策略中,快速高效的进行点云自动分割。
参考图7,图7为本发明道路点云分割方法第三实施例的流程示意图。
基于上述第一实施例,本实施例道路点云分割方法所述步骤S10,包括:
步骤S101:设置待分割点云区域的拓扑路网。
需要说明的是,拓扑路网是一种道路骨架,因此,可根据采集得到的待分割点云区域设置其拓扑路网。
拓扑路网的数据来源一般包括图商供应、算法生成或地图生产人员手工绘制得到。
步骤S102:根据所述拓扑路网得到待分割点云区域的骨架连接边。
在具体实施中,拓扑路网中的骨架连接边称为Link,可通过拓扑路网得到待分割点云区域的骨架连接边。
步骤S103:根据所述骨架连接边得到待分割点云区域的分割约束边界。
在具体实施中,可将待分割点云区域中的所有Link作为待分割点云区域的分割约束边界E。
可选地,拓扑路网中除了有骨架连接边,还包括有骨架节点,还可通过骨架节点设置待分割点云的分割约束边界,则获取待分割点云区域的分割约束边界的步骤还包括:根据所述拓扑路网得到待分割点云区域的骨架节点;获取所述骨架节点中相邻分支的骨架连接边;根据相邻分支的骨架连接边的角平分线段得到待分割点云区域的分割约束边界。
需要说明的是,可根据拓扑路网得到待分割点云区域的骨架节点,如图8所示,图8为待分割点云区域的拓扑路网结构示意图,骨架连接边称为Link,骨架节点称为Joint。
在具体实施中,可获取骨架节点中各相邻分支的骨架连接边,并将相邻分支的骨架连接边的角平分线段设置为待分割点云区域的分割约束边界,角平分线段的固定长度设置为L,当骨架及诶点Joint只连接一条骨架连接边Link时,可按Link的180度对角布置分割约束边界E。
可选地,在布置分割约束边界E时,也可以通过拓扑路网构成的Delauny三角网等进行布置,本实施例对此不作限制。
本实施例通过设置待分割点云区域的拓扑路网;根据所述拓扑路网得到待分割点云区域的骨架连接边;根据所述骨架连接边得到待分割点云区域的分割约束边界,通过拓扑路网布置分割约束边界,从而提高道路特征点云的分割效果和准确性。
参照图9,图9为本发明道路点云分割装置第一实施例的结构框图。
如图9所示,本发明实施例提出的道路点云分割装置包括:
获取模块10,用于获取待分割点云区域的分割约束边界。
划分模块20,用于将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果。
分割模块30,用于通过所述分割结果完成道路点云分割。
本实施例通过获取待分割点云区域的分割约束边界;将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果;通过所述分割结果完成道路点云分割,可准确地对带有噪声和错误感知的连续点云进行快速有效的分割,从而极大提高了后续点云处理的效果和准确性。
在一实施例中,所述划分模块20,还用于通过所述分割约束边界对所述待分割点云区域中的各点进行方位划分,得到待分割点云区域中各点的方位属性;通过预设点云分割策略以及所述方位属性对所述待分割点云区域中的各点进行分割聚类,得到聚类集合;通过所述方位属性和所述聚类集合得到分割结果。
在一实施例中,所述划分模块20,还用于获取预设距离阈值;获取所述待分割点云区域中与所述分割约束边界的距离小于等于所述预设距离阈值的点,得到第一点集合;根据所述分割约束边界对所述第一点集合进行方位划分,得到待分割点云区域中各点的方位属性。
在一实施例中,所述划分模块20,还用于根据预设点云分割策略确定聚类半径以及搜索原点;通过所述搜索原点和所述聚类半径对所述待分割点云区域中各点进行聚类,得到搜索集合;通过所述方位属性对所述搜索集合进行筛选,得到聚类集合。
在一实施例中,所述划分模块20,还用于通过所述方位属性获取所述搜索集合中各点的方位;在所述搜索集合中被搜索点的方位与所述搜索原点的方位不同时,将所述被搜索点从所述搜索集合中剔除,得到聚类集合。
在一实施例中,所述获取模块10,还用于设置待分割点云区域的拓扑路网;根据所述拓扑路网得到待分割点云区域的骨架连接边;根据所述骨架连接边得到待分割点云区域的分割约束边界。
在一实施例中,所述获取模块10,还用于根据所述拓扑路网得到待分割点云区域的骨架节点;获取所述骨架节点中相邻分支的骨架连接边;根据相邻分支的骨架连接边的角平分线段得到待分割点云区域的分割约束边界。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有道路点云分割程序,所述道路点云分割程序被处理器执行时实现如上文所述的道路点云分割方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的道路点云分割方法,此处不再赘述。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种道路点云分割方法,其特征在于,所述道路点云分割方法包括:
获取待分割点云区域的分割约束边界;
将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果;
通过所述分割结果完成道路点云分割。
2.如权利要求1所述的道路点云分割方法,其特征在于,所述将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果,包括:
通过所述分割约束边界对所述待分割点云区域中的各点进行方位划分,得到待分割点云区域中各点的方位属性;
通过预设点云分割策略以及所述方位属性对所述待分割点云区域中的各点进行分割聚类,得到聚类集合;
通过所述方位属性和所述聚类集合得到分割结果。
3.如权利要求2所述的道路点云分割方法,其特征在于,所述通过所述分割约束边界对所述待分割点云区域中的各点进行方位划分,得到待分割点云区域中各点的方位属性,包括:
获取预设距离阈值;
获取所述待分割点云区域中与所述分割约束边界的距离小于等于所述预设距离阈值的点,得到第一点集合;
根据所述分割约束边界对所述第一点集合进行方位划分,得到待分割点云区域中各点的方位属性。
4.如权利要求2所述的道路点云分割方法,其特征在于,所述通过预设点云分割策略以及所述方位属性对所述待分割点云区域中的各点进行分割聚类,得到聚类集合,包括:
根据预设点云分割策略确定聚类半径以及搜索原点;
通过所述搜索原点和所述聚类半径对所述待分割点云区域中各点进行聚类,得到搜索集合;
通过所述方位属性对所述搜索集合进行筛选,得到聚类集合。
5.如权利要求4所述的道路点云分割方法,其特征在于,所述通过所述方位属性对所述搜索集合进行筛选,得到聚类集合,包括:
通过所述方位属性获取所述搜索集合中各点的方位;
在所述搜索集合中被搜索点的方位与所述搜索原点的方位不同时,将所述被搜索点从所述搜索集合中剔除,得到聚类集合。
6.如权利要求1所述的道路点云分割方法,其特征在于,所述获取待分割点云区域的分割约束边界,包括:
设置待分割点云区域的拓扑路网;
根据所述拓扑路网得到待分割点云区域的骨架连接边;
根据所述骨架连接边得到待分割点云区域的分割约束边界。
7.如权利要求6所述的道路点云分割方法,其特征在于,所述获取待分割点云区域的分割约束边界,包括:
根据所述拓扑路网得到待分割点云区域的骨架节点;
获取所述骨架节点中相邻分支的骨架连接边;
根据相邻分支的骨架连接边的角平分线段得到待分割点云区域的分割约束边界。
8.一种道路点云分割装置,其特征在于,所述道路点云分割装置包括:
获取模块,用于获取待分割点云区域的分割约束边界;
划分模块,用于将所述分割约束边界加入预设点云分割聚类策略中对所述待分割点云区域进行划分,得到分割结果;
分割模块,用于通过所述分割结果完成道路点云分割。
9.一种道路点云分割设备,其特征在于,所述道路点云分割设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的道路点云分割程序,所述道路点云分割程序配置为实现如权利要求1至7中任一项所述的道路点云分割方法。
10.一种存储介质,其特征在于,所述存储介质上存储有道路点云分割程序,所述道路点云分割程序被处理器执行时实现如权利要求1至7中任一项所述的道路点云分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311861860.XA CN117830330A (zh) | 2023-12-29 | 2023-12-29 | 道路点云分割方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311861860.XA CN117830330A (zh) | 2023-12-29 | 2023-12-29 | 道路点云分割方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117830330A true CN117830330A (zh) | 2024-04-05 |
Family
ID=90516864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311861860.XA Pending CN117830330A (zh) | 2023-12-29 | 2023-12-29 | 道路点云分割方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117830330A (zh) |
-
2023
- 2023-12-29 CN CN202311861860.XA patent/CN117830330A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10360672B2 (en) | Automated separation of binary overlapping trees | |
US8738559B2 (en) | Graph partitioning with natural cuts | |
CN111090712A (zh) | 一种数据处理方法、装置、设备及计算机存储介质 | |
CN110428386B (zh) | 地图网格合并方法、装置、存储介质、电子装置 | |
CN110298687B (zh) | 一种区域吸引力评估方法及设备 | |
CN112100450A (zh) | 一种图计算数据分割方法、终端设备及存储介质 | |
CN110704560A (zh) | 一种基于道路级拓扑的车道线组结构化的方法及装置 | |
CN109120431B (zh) | 复杂网络中传播源选择的方法、装置及终端设备 | |
CN104809751A (zh) | 生成事件组演化图的方法和装置 | |
CN111159577A (zh) | 一种社群划分方法、装置、存储介质及电子装置 | |
CN110728735A (zh) | 道路级拓扑图层构建方法及*** | |
CN113285960B (zh) | 一种服务数据共享云平台的数据加密方法及*** | |
Li et al. | An area merging method in map generalization considering typical characteristics of structured geographic objects | |
CN112215123B (zh) | 一种目标检测方法、装置及存储介质 | |
CN112215864B (zh) | 电子地图的轮廓处理方法、装置及电子设备 | |
KR101878213B1 (ko) | 가중치 그래프를 요약하는 방법, 장치 및 컴퓨터 프로그램 | |
CN112887910B (zh) | 异常覆盖区域的确定方法、装置和计算机可读存储介质 | |
CN117830330A (zh) | 道路点云分割方法、装置、设备及存储介质 | |
CN113449052A (zh) | 空间索引的建立方法、空间区域查询方法及装置 | |
CN110569546A (zh) | 交通小区的划分方法及装置 | |
US20190108289A1 (en) | System for efficiently carrying out a dynamic program for optimization in a graph | |
JP2023027250A (ja) | 道路情報更新方法、装置、電子機器、記録媒体及びコンピュータプログラム | |
CN115249303A (zh) | 基于图纸分割的布点绘制方法、装置、设备及存储介质 | |
CN114863300A (zh) | 一种最短路径生成方法及装置 | |
CN114330807A (zh) | 路线的确定方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |